Куб (Cube)
Куб представляет собой многомерный массив данных, используемый в системах оперативной аналитической обработки (OLAP). Кроме этого, куб можно рассматривать как модель данных, обеспечивающую функциональность OLAP.
В основе идеи построения куба лежит многомерная модель данных, предполагающая их разделение на измерения и факты. Куб, который содержит более чем три измерения, называется многомерным.
Куб можно рассматривать как многомерное обобщение двумерной электронной таблицы. При этом измерения образуют оси многомерной модели данных (ребра куба), а факты — ячейки внутри куба, расположенные на пересечении соответствующих значений измерений.
На рисунке представлен пример 3-мерного куба, содержащего измерения «Товар», «Месяц» и «Город».
Представление данных в виде куба обеспечивает возможность реализации концептуально простых операций для поддержки процесса анализа — срез и фрагментацию, детализацию, свертывание и вращение:
- Срез (slice) — извлечение из куба подмножества ячеек, связанных с каким-либо значением одного из его измерений. Например, срез по значению «Февраль» измерения «Месяц» (см. рис.) позволяет получить данные по продажам всех товаров во всех городах. Фактически, срез можно рассматривать как одномерный куб, который можно представить в виде обычной плоской таблицы. Использование срезов позволяет выполнить декомпозицию задачи анализа сложных многомерных структур на несколько более простых одномерных задач.
- Фрагментация (dice) — извлечение из куба некоторого подкуба, содержащего только те значения измерений, которые нужны для анализа. Например, фрагмент куба может содержать данные только за определенный интервал дат или о продажах по заданным городам.
- Детализация (Drill Down/Up) — позволяет аналитику изменять уровень представления данных в кубе от более общего к более детальному (down) или наоборот (up).
- Свертывание (RollUp) — агрегирование данных по одному или нескольким измерениям. Производится в том случае, если нужны сводные, а не полные данные.
- Вращение (pivot) — позволяет менять пространственную ориентацию осей измерений куба, выбирая наиболее удобное для аналитика представление.
В OLAP-технологиях куб — это прежде всего средство визуализации многомерных данных. Поэтому при его использовании приходится решать задачу отображения информации в удобном и интерпретируемом для человека виде.
Для представления данных в кубе разработан специальный визуализатор, называемый кросс-таблицей. Она представляет данные в виде таблицы, но снабжена специальным интерфейсом, который позволяет оперативно группировать измерения, управлять срезами куба и отображать их на плоскости.
Таким образом, кросс-таблица позволяет заменить сложное, трудно интерпретируемое многомерное представление множеством «плоских», но более простых и понятных.
Впервые концепция OLAP-кубов была описана Эдгаром Коддом.
В Loginom встроен визуализатор OLAP-куб, который служит удобным средством отображения и манипуляции многомерных данных.
Что такое OLAP-куб и принцип его настройки
OLAP-куб – это инструмент, который напоминает сводную таблицу в Excel.
Принцип работы примерно тот же: сгруппировать по одинаковому признаку числа или даты – и далее делать с ними дополнительные действия или вычисления.
Всё начинается с того, что нужно вытащить числа по каким-то критериям.
Какие есть числа про проект? – Реквизиты-числа в объектах (задачах, например) и в справочниках.
Но нужно не просто взять и всё сложить, а вычленить по какому-то признаку. Этим признаком может быть:
реквизит-классификатор (выбор из преднастроенного списка);
реквизит-процесс (тот же классификатор, только с заданной последовательностью выбора значений);
OLAP на яблоках
Возьмём такую исходную таблицу (в терминологии ADVANTA – справочник):
| Фрукт | Количество |
|---|---|
| Яблоко | 2 |
| Груша | 3 |
| Апельсин | 1 |
| Яблоко | 2 |
| Груша | 4 |
| Апельсин | 1 |
| Яблоко | 7 |
| Груша | 4 |
| Апельсин | 2 |
Первый этап преобразования – создать показатель-запрос, агрегировать (суммировать) данные по признаку:
| Фрукт | Количество |
|---|---|
| Яблоко | 11 |
| Груша | 11 |
| Апельсин | 4 |
Усложним задачу. Предположим, что есть два разных проекта – проект Маши и проект Васи.
| Проект | Фрукт | Количество |
|---|---|---|
| Маши | Яблоко | 2 |
| Васи | Груша | 3 |
| Маши | Апельсин | 1 |
| Васи | Яблоко | 2 |
| Маши | Груша | 4 |
| Васи | Апельсин | 1 |
| Маши | Яблоко | 7 |
| Васи | Груша | 4 |
| Маши | Апельсин | 2 |
Когда этот куб выстроится в виде OLAP-отчёта, получится:
| Проект | Фрукт | Количество |
|---|---|---|
| Маши | Яблоко | 9 |
| Груша | 4 | |
| Апельсин | 3 | |
| Васи | Яблоко | 2 |
| Груша | 7 | |
| Апельсин | 1 |
Теперь представим, что измерений стало еще больше. Добавили критерий свежести.
| Проект | Фрукт | Свежий | Количество |
|---|---|---|---|
| Маши | Яблоко | да | 2 |
| Васи | Груша | да | 3 |
| Маши | Апельсин | нет | 1 |
| Васи | Яблоко | да | 2 |
| Маши | Груша | да | 4 |
| Васи | Апельсин | нет | 1 |
| Маши | Яблоко | да | 7 |
| Васи | Груша | да | 4 |
| Маши | Апельсин | нет | 2 |
| Маши | Яблоко | да | 2 |
| Васи | Груша | да | 3 |
| Маши | Апельсин | нет | 1 |
| Васи | Яблоко | да | 2 |
| Маши | Груша | да | 4 |
| Васи | Апельсин | да | 1 |
| Маши | Яблоко | нет | 7 |
| Васи | Груша | да | 4 |
| Маши | Апельсин | да | 2 |
Но в OLAP-отчёте (или сводной таблице) просто появился еще один маркер «Свежесть»:
| Проект | Фрукт | Свежий? | Количество |
|---|---|---|---|
| Васи | Апельсин | да | 1 |
| нет | 1 | ||
| Груша | да | 14 | |
| Яблоко | да | 4 | |
| Маши | Апельсин | да | 2 |
| нет | 4 | ||
| Груша | да | 8 | |
| Яблоко | да | 11 | |
| нет | 7 |
А можно показатели поменять местами…
| Свежий? | Фрукт | Проект | Количество |
|---|---|---|---|
| да | Апельсин | Васи | 1 |
| Маши | 2 | ||
| Груша | Васи | 14 | |
| Маши | 8 | ||
| Яблоко | Васи | 4 | |
| Маши | 11 | ||
| нет | Апельсин | Васи | 1 |
| Маши | 4 | ||
| Яблоко | Маши | 7 |
И так далее. Можно добавлять всё новые и новые измерения, по которым будет проводиться расчёт.
Измерений может быть не 2, как в обычной таблице, а не ограниченное количество:
От яблок к ADVANTA
«Какой фрукт», «Свежий?» и «Чей проект» – это измерения OLAP-куба;
то, что содержится в ячейках – результат вычислений по правилам из показателя.
В примере выше самый простой вариант – показатель-запрос с агрегированием… причём, судя по контексту, скорее всего, из справочника.
Этот же показатель-запрос – основа для всех последующих сложных вычислений.
OLAP-куб в ADVANTA – это заготовка вычислений.
Чтобы увидеть результат, нужно на основе созданного OLAP-куба создать OLAP-отчёт. И/или использовать этот OLAP-куб как источник для дальнейших вычислений.
- product/olap/about.txt
- Последнее изменение: 30.07.2020 13:46
- — mayn
Если не указано иное, содержимое этой вики предоставляется на условиях следующей лицензии:
CC Attribution-Share Alike 4.0 International
Что такое онлайн-аналитическая обработка (OLAP)?
Онлайн-аналитическая обработка (OLAP) — это программная технология, которую можно использовать для анализа бизнес-данных с разных точек зрения. Организации собирают и хранят данные из нескольких источников данных, таких как веб-сайты, приложения, интеллектуальные счетчики и внутренние системы. OLAP объединяет и группирует эти данные по категориям, чтобы обеспечить практическую информацию для стратегического планирования. Например, розничный торговец хранит данные обо всех продаваемых товарах, такие как цвет, размер, стоимость и местоположение. Розничный торговец также собирает данные о покупках клиентов, такие как название заказанных товаров и общая стоимость продаж, в другой системе. OLAP объединяет наборы данных, чтобы ответить на такие вопросы, как цветные продукты более популярны или как размещение продукта влияет на продажи.
Почему OLAP играет такую важную роль?
Онлайн-аналитическая обработка (OLAP) помогает организациям обрабатывать растущий объем цифровой информации и извлекать из нее выгоду. Некоторые преимущества OLAP включают следующее.
Возможность принимать более обоснованные решения
Предприятия используют OLAP для принятия быстрых и точных решений, чтобы оставаться конкурентоспособными в быстро меняющейся экономической ситуации. Выполнение аналитических запросов к нескольким реляционным базам данных занимает много времени, поскольку компьютерная система выполняет поиск по нескольким таблицам данных. С другой стороны, системы OLAP предварительно рассчитывают и интегрируют данные, чтобы бизнес-аналитики могли быстрее создавать отчеты при необходимости.
Нетехническая поддержка пользователей
Системы OLAP упрощают комплексный анализ данных для нетехнических бизнес-пользователей. Бизнес-пользователи могут создавать сложные аналитические расчеты и создавать отчеты вместо того, чтобы учиться работать с базами данных.
Интегрированное представление данных
OLAP предоставляет унифицированную платформу для маркетинговых, финансовых, производственных и других бизнес-подразделений. Руководители и лица, принимающие решения, могут видеть общую картину и эффективно решать проблемы. Они могут проводить анализ «что если», который показывает влияние решений, принятых одним отделом, на другие области бизнеса.
Что такое архитектура OLAP?
Системы онлайн-аналитической обработки (OLAP) хранят многомерные данные, представляя информацию более чем в двух измерениях или категориях. Двумерные данные включают столбцы и строки, но многомерные данные имеют множество характеристик. Например, многомерные данные о продажах продукции могут состоять из указанных ниже измерений.
- Тип продукта
- География
- Время
Инженеры по обработке данных создают многомерную систему OLAP, состоящую из указанных ниже элементов.
Хранилище данных
Хранилище данных собирает информацию из разных источников, включая приложения, файлы и базы данных. Оно обрабатывает информацию с помощью различных инструментов, чтобы данные были готовы к аналитическим целям. Например, хранилище данных может собирать информацию из реляционной базы данных, в которой данные хранятся в таблицах строк и столбцов.
Инструменты ETL
Инструменты извлечения, преобразования и загрузки (ETL) – это процессы базы данных, которые автоматически извлекают, изменяют и подготавливают данные к формату, подходящему для аналитических целей. Хранилища данных используют ETL для преобразования и стандартизации информации из различных источников перед тем, как сделать ее доступной для инструментов OLAP.
Сервер OLAP
Сервер OLAP – это базовая машина, которая питает систему OLAP. Он использует инструменты ETL для преобразования информации в реляционных базах данных и подготовки их к операциям OLAP.
База данных OLAP
База данных OLAP – это отдельная база данных, которая подключается к хранилищу данных. Инженеры по обработке данных иногда используют базу данных OLAP, чтобы предотвратить нагрузку на хранилище данных анализом OLAP. Они также используют базу данных OLAP для упрощения создания моделей данных OLAP.
Кубы OLAP
Куб данных – это модель, представляющая многомерный массив информации. Хотя визуализировать его в виде трехмерной модели данных проще, большинство кубов данных имеют более трех измерений. Куб OLAP или гиперкуб – это термин для кубов данных в системе OLAP. Кубы OLAP являются жесткими, поскольку вы не можете изменить их параметры и базовые данные после моделирования. Например, если вы добавляете измерение хранилища в куб с измерениями продукта, местоположения и времени, вам придется переделать весь куб.
Аналитические инструменты OLAP
Бизнес-аналитики используют инструменты OLAP для взаимодействия с кубом OLAP. Они выполняют такие операции, как нарезка, нарезка в виде кубов и поворотные операции для получения более глубокого понимания конкретной информации в OLAP-кубе.
Как работает OLAP?
Как работает OLAP?
Онлайн-система аналитической обработки (OLAP) работает путем сбора, организации, агрегирования и анализа данных с использованием указанных ниже шагов.
- Сервер OLAP собирает данные из нескольких источников данных, включая реляционные базы данных и хранилища данных.
- Затем инструменты извлечения, преобразования и загрузки (ETL) очищают, агрегируют, предварительно рассчитывают и сохраняют данные в кубе OLAP в соответствии с указанным количеством измерений.
- Бизнес-аналитики используют инструменты OLAP для запроса и создания отчетов на основе многомерных данных в кубе OLAP.
OLAP использует многомерные выражения (MDX) для запроса куба OLAP. Многомерные выражения – это запрос, подобно SQL, который предоставляет набор инструкций для работы с базами данных.
Какие виды OLAP существуют?
Системы онлайн-аналитической обработки (OLAP) работают по трем основным направлениям.
MOLAP
Многомерная онлайн-аналитическая обработка (MOLAP) включает создание куба данных, представляющего многомерные данные из хранилища данных. Система MOLAP хранит предварительно рассчитанные данные в гиперкубе. Инженеры по обработке данных используют MOLAP, потому что этот тип технологии OLAP обеспечивает быстрый анализ.
ROLAP
Вместо использования куба данных реляционная онлайн-аналитическая обработка (ROLAP) позволяет инженерам данных выполнять многомерный анализ данных в реляционной базе данных. Другими словами, инженеры по обработке данных используют SQL-запросы для поиска и извлечения конкретной информации на основе требуемых измерений. ROLAP подходит для анализа обширных и подробных данных. Однако ROLAP имеет более низкую производительность запросов по сравнению с MOLAP.
HOLAP
Гибридная онлайн-аналитическая обработка (HOLAP) сочетает MOLAP и ROLAP, чтобы обеспечить лучшее из обеих архитектур. HOLAP позволяет инженерам по обработке данных быстро извлекать аналитические результаты из куба данных и подробную информацию из реляционных баз данных.
Что такое моделирование данных в OLAP?
Моделирование данных – это представление данных в хранилищах данных или базах данных онлайн-аналитической обработки (OLAP). Моделирование данных имеет важное значение для реляционной онлайн-аналитической обработки (ROLAP), поскольку оно анализирует данные прямо из реляционной базы данных. Она хранит многомерные данные в виде звезды или снежинки.
Схема «звезда»
Схема «звезда» состоит из таблицы фактов и нескольких таблиц измерений. Таблица фактов – это таблица данных, содержащая числовые значения, относящиеся к бизнес-процессу, а таблица измерений содержит значения, описывающие каждый атрибут в таблице фактов. Таблица фактов относится к таблицам измерений с внешними ключами – уникальными идентификаторами, которые коррелируют с соответствующей информацией в таблице измерений.
В схеме «звезда» таблица фактов соединяется с несколькими таблицами измерений, поэтому модель данных выглядит как звезда. Ниже приведен пример таблицы фактов о продажах продукции:
- Идентификатор продукта
- Идентификатор местоположения
- Идентификатор продавца
- Сумма продаж
Идентификатор продукта указывает системе базы данных получить информацию из таблицы аналитик продукта, которая может выглядеть указанным ниже образом.
- Идентификатор продукта
- Название продукта
- Тип продукта
- Себестоимость продукта
Аналогичным образом идентификатор местоположения указывает на таблицу измерений местоположения, которая может состоять из указанных ниже элементов.
- Идентификатор местоположения
- Страна
- Город
Таблица salesperson может выглядеть указанным ниже образом.
- Идентификатор продавца
- Имя
- Фамилия
- Электронная почта
Схема «снежинка»
Схема «снежинка» является продолжением схемы звезды. Некоторые таблицы измерений могут привести к появлению одной или нескольких дополнительных таблиц измерений. В результате получается форма снежинки при сборке таблиц размеров.
Например, таблица аналитик продукта может содержать указанные ниже поля.
- Идентификатор продукта
- Название продукта
- Идентификатор типа продукта
- Себестоимость продукта
Идентификатор типа продукта соединяется с другой таблицей измерений, как показано в следующем примере.
- Идентификатор типа продукта
- Имя типа
- Версия
- Вариант
Что такое операции OLAP?
Бизнес-аналитики выполняют несколько основных аналитических операций с помощью куба многомерной онлайн-аналитической обработки (MOLAP).
Сводный вид
В сводном виде система онлайн-аналитической обработки (OLAP) суммирует данные по конкретным атрибутам. Другими словами, в таком случае показываются менее подробные данные. Например, вы можете просмотреть продажи товаров по Нью-Йорку, Калифорнии, Лондону и Токио. Операция свертывания предоставит представление данных о продажах на основе таких стран, как США, Великобритания и Япония.
Детализация
Детализация противоположна операции свертывания. Бизнес-аналитики продвигаются вниз в иерархии концепций и извлекают необходимые им детали. Например, они могут перейти от просмотра данных о продажах по годам к их визуализации по месяцам.
Система слайсов
Инженеры по обработке данных используют систему слайсов для создания двумерного представления из куба OLAP. Например, куб MOLAP сортирует данные по продуктам, городам и месяцам. Создавая слайсы, инженеры по обработке данных могут создать таблицу в виде электронной таблицы, состоящую из продуктов и городов за определенный месяц.
Система кубов
Инженеры по обработке данных используют систему кубов для создания меньшего куба из куба OLAP. Они определяют необходимые размеры и строят куб меньшего размера из исходного гиперкуба.
Разворот
Операция разворота включает поворот куба OLAP вдоль одного из его измерений для получения другого взгляда на многомерную модель данных. Например, трехмерный куб OLAP имеет указанные ниже размеры по соответствующим осям.
- Ось X – продукт
- Ось Y – местоположение
- Ось Z – время
После разворота куб OLAP имеет указанную ниже конфигурацию.
- Ось X – местоположение
- Ось Y – время
- Ось Z – продукт
Как OLAP сравнивается с другими методами анализа данных?
Интеллектуальный анализ данных
Интеллектуальный анализ данных – это аналитическая технология, которая обрабатывает большие объемы исторических данных для поиска закономерностей и идей. Бизнес-аналитики используют инструменты интеллектуального анализа данных для выявления взаимосвязей в данных и точного прогнозирования будущих тенденций.
OLAP и интеллектуальный анализ данных
Онлайн-аналитическая обработка (OLAP) – это технология анализа баз данных, которая включает запросы, извлечение и изучение обобщенных данных. С другой стороны, интеллектуальный анализ данных предполагает глубокое изучение необработанной информации. Например, маркетологи могут использовать инструменты интеллектуального анализа данных для анализа поведения пользователей на основе записей о каждом посещении веб-сайта. Затем они могут использовать программное обеспечение OLAP для проверки такого поведения с разных сторон, таких как продолжительность, устройство, страна, язык и тип браузера.
OLTP
Онлайн-обработка транзакций (OLTP) – это технология обработки данных, которая быстро и надежно хранит информацию в базе данных. Специалисты по обработке данных используют инструменты OLTP для хранения транзакционных данных, таких как финансовые отчеты, подписки на сервисы и отзывы клиентов, в реляционной базе данных. Системы OLTP включают создание, обновление и удаление записей в реляционных таблицах.
OLAP и OLTP
OLTP отлично подходит для обработки и хранения нескольких потоков транзакций в базах данных. Однако в таком случае нельзя выполнять сложные запросы из базы данных. Поэтому бизнес-аналитики используют систему OLAP для анализа многомерных данных. Например, специалисты по обработке данных подключают базу данных OLTP к облачному кубу OLAP для выполнения ресурсоемких запросов к историческим данным.
Как AWS помогает с OLAP?
Базы данных AWS предоставляют различные управляемые облачные базы данных, помогающие организациям хранить и выполнять операции онлайн-аналитической обработки (OLAP). Аналитики данных используют базы данных AWS для создания безопасных баз данных, соответствующих требованиям их организации. Организации переносят свои бизнес-данные в базы данных AWS из-за доступности и масштабируемости.
- Amazon Redshift – это облачное хранилище данных, разработанное специально для аналитической онлайн-обработки.
- Служба реляционных баз данных Amazon (Amazon RDS) – это реляционная база данных с функциональностью OLAP. Инженеры по обработке данных используют Amazon RDS с Oracle OLAP для выполнения сложных запросов к размерным кубам.
- Amazon Aurora – это облачная реляционная база данных, совместимая с MySQL и PostgreSQL. Эта система оптимизирована для выполнения сложных рабочих нагрузок OLAP.
Создайте учетную запись AWS и начните работу с технологией OLAP уже сегодня.
Что такое ОЛАП? Куб, Аналитические операции в хранилище данных
Онлайн-аналитическая обработка (OLAP) это категория программного обеспечения, которая позволяет пользователям анализировать информацию из нескольких систем баз данных одновременно. Это технология, которая позволяет аналитикам извлекать и просматривать бизнес-данные с разных точек зрения.
Аналитикам часто приходится группировать, агрегировать и объединять данные. Эти операции OLAP при интеллектуальном анализе данных требуют больших ресурсов. С помощью OLAP данные можно предварительно рассчитать и предварительно агрегировать, что ускоряет анализ.
Базы данных OLAP разделены на один или несколько кубов. Кубики спроектированы таким образом, чтобы создавать и соперничатьwing отчеты становятся проще. OLAP означает онлайн-аналитическую обработку.
OLAP куб
В основе концепции OLAP лежит OLAP-куб. Куб OLAP — это структура данных, оптимизированная для очень быстрого анализ данных.
Куб OLAP состоит из числовых фактов, называемых мерами, которые классифицируются по измерениям. OLAP-куб также называют гиперкуба.
Обычно операции с данными и анализ выполняются с использованием простой электронной таблицы, где значения данных расположены в формате строк и столбцов. Это идеально подходит для двумерных данных. Однако OLAP содержит многомерные данные, причем данные обычно получают из другого и несвязанного источника. Использование электронной таблицы не является оптимальным вариантом. Куб может хранить и анализировать многомерные данные логичным и упорядоченным образом.
Как это работает?
Хранилище данных будет извлекать информацию из нескольких источников данных и форматов, таких как текстовые файлы, листы Excel, мультимедийные файлы и т. д.
Извлеченные данные очищаются и преобразуются. Данные загружаются на сервер OLAP (или куб OLAP), где информация заранее рассчитывается для дальнейшего анализа.
Основные аналитические операции OLAP
Четыре типа аналитических операций OLAP:
- Свернуть
- Детализация
- Нарезать и нарезать
- Поворот (поворот)
1) Свертывание:
Объединение также известно как «консолидация» или «агрегация». Операцию свертывания можно выполнить двумя способами.
- Уменьшение размеров
- Восхождение по иерархии понятий. Иерархия понятий — это система группировки вещей на основе их порядка или уровня.
Рассмотрим следующееwing диаграмма
- В этом примере города Нью-Джерси и Лост-Англс объединены в страну США.
- Объем продаж в Нью-Джерси и Лос-Анджелесе составляет 440 и 1560 соответственно. После свертывания их станет 2000.
- В этом процессе агрегирования данные по иерархии местоположений перемещаются вверх от города к стране.
- В процессе сведения необходимо удалить хотя бы одно или несколько измерений. В этом примере измерение «Города» удалено.
2) Детализация
При детализации данные фрагментируются на более мелкие части. Это противоположность процессу свертывания. Это можно сделать через
- Спускаемся по иерархии понятий
- Увеличение размера
Рассмотрим диаграмму выше
- Первый квартал детализируется до января, февраля и марта. Соответствующие продажи также являются регистрами.
- В этом примере добавляются месяцы измерения.
3) Срез:
Здесь выбирается одно измерение и создается новый подкуб.
Фоллоwing Диаграмма объясняет, как выполняется операция среза:
- Время измерения разделено с помощью Q1 в качестве фильтра.
- Полностью создается новый куб.
Это говорит:
Эта операция аналогична срезу. Разница в том, что вы выбираете 2 или более измерений, в результате чего создается субкуб.
4) Поворот
В Pivot вы поворачиваете оси данных, чтобы обеспечить альтернативное представление данных.
В следующемwing Например, сводка основана на типах элементов.
Типы OLAP-систем
Иерархическая структура OLAP
| Тип OLAP | объяснение |
|---|---|
| Реляционная OLAP(ROLAP): | ROLAP — это расширенная СУБД с многомерным отображением данных для выполнения стандартных реляционных операций. |
| Многомерный OLAP (МОЛАП) | MOLAP Реализует работу с многомерными данными. |
| Гибридная онлайн-аналитическая обработка (HOLAP) | В подходе HOLAP агрегированные итоги хранятся в многомерной базе данных, а подробные данные хранятся в реляционной базе данных. Это обеспечивает как эффективность данных модели ROLAP, так и производительность модели MOLAP. |
| Настольный OLAP (DOLAP) | В Desktop OLAP пользователь загружает часть данных из базы данных локально или на свой рабочий стол и анализирует их. |
DOLAP относительно дешевле в развертывании, поскольку он предлагает очень мало функций.ares в другие OLAP-системы.
РОЛАП
ROLAP работает с данными, существующими в реляционной базе данных. Таблицы фактов и измерений хранятся как реляционные таблицы. Он также позволяет проводить многомерный анализ данных и является самым быстрымwing ОЛАП.
Преимущества модели ROLAP:
- Высокая эффективность данных. Он обеспечивает высокую эффективность обработки данных, поскольку производительность запросов и язык доступа оптимизированы специально для анализа многомерных данных.
- Масштабируемость. Этот тип системы OLAP обеспечивает масштабируемость для управления большими объемами данных, даже если объем данных постоянно увеличивается.
Недостатки модели ROLAP:
- Спрос на более высокие ресурсы: ROLAP требует высокой загрузки человеческих, программных и аппаратных ресурсов.
- Ограничения совокупных данных. Использование инструментов ROLAP SQL для всех расчетов совокупных данных. Однако не существует установленных ограничений на обработку вычислений.
- Медленная производительность запросов. Производительность запросов в этой модели медленная по сравнению с MOLAP.
МОЛАП
MOLAP использует многомерные механизмы хранения на основе массивов для отображения многомерных представлений данных. По сути, они используют куб OLAP.
Узнайте больше о MOLAP здесь
Гибридная OLAP
Гибридный OLAP представляет собой смесь ROLAP и MOLAP. Он предлагает быстрое вычисление MOLAP и более высокую масштабируемость ROLAP. HOLAP использует две базы данных.
- Агрегированные или вычисленные данные хранятся в многомерном кубе OLAP.
- Подробная информация хранится в реляционной базе данных.
Преимущества гибридной OLAP:
- Этот вид OLAP помогает экономить дисковое пространство, а также остается компактным, что помогает избежать проблем, связанных со скоростью и удобством доступа.
- Гибридный HOLAP использует технологию куба, которая обеспечивает более высокую производительность для всех типов данных.
- ROLAP мгновенно обновляются, и пользователи HOLAP имеют доступ к этим мгновенно обновляемым данным в режиме реального времени. MOLAP обеспечивает очистку и преобразование данных, тем самым повышая актуальность данных. Это объединяет лучшее из обоих миров.
Недостатки гибридной OLAP:
- Большой комplexуровень города: Основным недостатком систем HOLAP является то, что они поддерживают инструменты и приложения как ROLAP, так и MOLAP. Таким образом, это очень сложно.
- Возможные совпадения: Существует более высокая вероятность совпадения, особенно в их функциональных возможностях.
Преимущества ОЛАП
- OLAP — это платформа для всех типов бизнеса, включая планирование, составление бюджета, отчетность и анализ.
- Информация и вычисления согласованы в кубе OLAP. Это решающее преимущество.
- Быстро создавайте и анализируйте сценарии «Что, если»
- Удобный поиск в базе данных OLAP по широким или конкретным терминам.
- OLAP предоставляет стандартные блоки для инструментов бизнес-моделирования, инструментов интеллектуального анализа данных и инструментов отчетности о производительности.
- Позволяет пользователям создавать срезы и кубики данных куба по различным измерениям, мерам и фильтрам.
- Это хорошо для анализа временных рядов.
- С помощью OLAP легко найти некоторые кластеры и выбросы.
- Это мощная онлайн-система аналитических процессов визуализации, которая обеспечивает более быстрое время отклика.
Недостатки OLAP
- OLAP требует организации данных в виде схемы «звезда» или «снежинка». Эти схемы сложны в реализации и администрировании.
- В одном кубе OLAP не может быть большого количества измерений.
- Доступ к транзакционным данным невозможно получить с помощью системы OLAP.
- Любое изменение куба OLAP требует полного обновления куба. Это трудоемкий процесс
Итоги
- OLAP в информационное хранилище — это технология, которая позволяет аналитикам извлекать и просматривать бизнес-данные с разных точек зрения.
- В основе концепции OLAP лежит OLAP-куб.
- Различные бизнес-приложения и другие операции с данными требуют использования OLAP Cube.
- Существует пять основных типов аналитических операций OLAP в хранилище данных: 1) Свертывание 2) Детализация 3) Срез 4) Нарезка на кубиках и 5) Поворот
- Три типа широко используемых систем OLAP — это MOLAP, ROLAP и гибридная OLAP.
- Desktop OLAP, Web OLAP и Mobile OLAP — это еще несколько типов OLAP-систем.
- Учебное пособие по Qlikview: Что такое QlikView? Как установить инструмент QlikView
- Учебное пособие по MicroStrategy: что такое инструмент отчетов MSTR?
- Учебное пособие по Power BI: что такое Power BI? Зачем использовать? Примеры DAX
- Учебное пособие по Apache Solr: что такое Solr? Архитектура и монтаж
- Учебное пособие по интеграции данных Pentaho: что такое инструмент Pentaho ETL
- База данных и хранилище данных – разница между ними
- Что такое сверка данных? Определение, процесс, инструменты
- Информация и знания: ключевые различия